Pourquoi vous ne voulez pas toutes les alertes : alarme ou résumé

Le premier réflexe après un incident est toujours le même : activer toutes les alertes. Six semaines plus tard vous n’en lisez plus aucune, et ce n’est pas un problème de discipline.

La valeur d’une alarme n’est pas de sonner, c’est d’être lue. Une alarme qui sonne tous les jours vous apprend à l’ignorer, et en partant elle emporte la vraie avec elle.

Trois questions avant d’ajouter une alarme

Si elle sonne à trois heures du matin, est-ce que je me lèverais ? Si la réponse est non, ce n’est pas une alarme, c’est une note. Les notes ont leur place ailleurs.

Puis-je y faire quelque chose ? Un avertissement sur lequel vous ne pouvez pas agir n’est pas une information, c’est seulement de l’inquiétude. « Température du disque 41 degrés » n’est pas une alarme.

Combien de fois sonnera-t-elle quand tout va bien ? Si la réponse dépasse « rarement », le problème n’est pas l’alarme mais le seuil. Sur un disque qui reste en permanence à 82 pour cent, un seuil à 80 ne produit pas une alarme, il produit une habitude.

La distinction qui répare la plupart des installations

Une alarme et un résumé sont deux choses différentes. Une alarme est rare et vous interrompt : vous devez poser ce que vous faites et regarder. Un résumé est régulier et se lit tranquillement, à côté du café.

L’essentiel de ce que les gens transforment en alarmes appartient en réalité à un résumé. « Il y a tant de mises à jour », « cette machine a beaucoup travaillé hier », « cette sauvegarde n’a pas été prise depuis trois jours » : rien de tout cela ne vous sort du lit, et pourtant tout mérite d’être su.

Dès que vous faites cette distinction, vous gagnez deux fois : la liste des alarmes raccourcit et redevient sérieuse, et le résumé est réellement lu parce qu’il a du contenu.

Le seuil n’est pas un détail technique, c’est la conception même

Plutôt que de choisir un seuil parce qu’il paraît raisonnable, mesurez à quoi ressemble la normale sur votre propre machine. Sur un serveur dont le disque reste toujours à 78 pour cent, 80 est faux et 90 est juste. Sur une machine dont la charge est toujours élevée, il ne devrait pas y avoir d’alarme de charge du tout.

Régler un seuil une fois et passer à autre chose ne suffit pas non plus. La machine change, le travail qui s’y trouve grandit. Se demander une fois par an « quel avertissement m’a réellement appris quelque chose » corrige les seuils tout seul.

Le plus difficile : ne pas savoir n’est pas la même chose qu’aller bien

Si une vérification se tait quand elle ne peut pas lire ses données, vous lisez ce silence comme de la santé. En réalité, rien n’est connu.

C’est la panne la plus sournoise de la supervision, car l’écran est vert. Le bon comportement n’est pas de dire « rien à signaler » mais de dire « je n’ai pas pu lire ceci ». Un veilleur qui dit ce qu’il n’a pas pu voir vaut mieux qu’un veilleur muet.

Ce que fait Atlas

Atlas Watch n’est pas un flux d’alertes, c’est un résumé quotidien. Il présente en un seul endroit l’état accumulé dans la journée, sous une forme qui se lit tranquillement.

Il contient douze vérifications : redémarrage du serveur, occupation du disque racine, mémoire, charge, durée de fonctionnement, mises à jour en attente, mises à jour de sécurité, mises à jour exigeant un redémarrage, saut majeur de noyau, machines critiques arrêtées, processeur et mémoire par machine, et l’âge de la sauvegarde.

Chaque vérification peut être désactivée individuellement, chacune peut recevoir sa propre gravité, et pour la plupart le seuil vous appartient. Les seuils sont protégés par une borne basse et une borne haute, si bien qu’une valeur absurde n’est pas acceptée : âge de sauvegarde entre un et soixante jours, occupation de disque entre cinquante et quatre-vingt-dix-neuf pour cent.

L’une d’elles mérite une mention à part, car elle répond au point le plus difficile ci-dessus : quand l’information de sauvegarde ne peut pas être lue, Watch ne se tait pas, il dit qu’il n’a pas pu la lire. Les utilisateurs lisent le silence comme de la santé ; toute l’ancre de confiance d’un veilleur tient dans ce comportement.